Estimator de potrivire augmentat prin învățare automată
Estimatorul de potrivire augmentat prin învățare automată combină potrivirea clasică prin vecini apropiați sau scoruri de propensitate cu algoritmi de învățare automată (ML) — precum lasso, păduri aleatoare sau gradient boosting — pentru a selecta covariabilele, a estima scorurile de propensitate și a corecta biasul rezidual. Rezultatul este un estimator cauzal bazat pe potrivire, care rămâne valid în condiții de confuzie de înaltă dimensionalitate, unde potrivirea tradițională specificată manual eșuează.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Harta metodelor
Vecinătatea metodelor înrudite — selectați un nod pentru a explora.
Surse
- Chernozhukov, V., Chetverikov, D., Demirer, M., Duflo, E., Hansen, C., Newey, W., & Robins, J. (2018). Double/debiased machine learning for treatment and structural parameters. The Econometrics Journal, 21(1), C1-C68. DOI: 10.1111/ectj.12097 ↗
- Abadie, A., & Imbens, G. W. (2006). Large sample properties of matching estimators for average treatment effects. Econometrica, 74(1), 235-267. DOI: 10.1111/j.1468-0262.2006.00655.x ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Machine Learning-Augmented Matching Estimator for Causal Inference. ScholarGate. https://scholargate.app/ro/causal-inference/machine-learning-augmented-matching-estimator
Ce metodă?
Așezați această metodă lângă cele mai apropiate rude și citiți-le alăturat — biblioteca pune cărțile pe masă; alegerea vă aparține.
- Estimare Dublu Robustă (AIPW)Inferență cauzală↔ compară
- Ponderarea prin probabilitatea inversă a tratamentului (IPW / IPTW)Inferență cauzală↔ compară
- Estimare robustă dublu augmentată cu învățare automată (ML-DR)Inferență cauzală↔ compară
- Estimator de potrivireInferență cauzală↔ compară
- Potrivirea scorului de propensitateStatistică pentru cercetare↔ compară
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →